Günümüzde hızlı kentleşme ve beraberindeki nüfus artışları yerleşim alanlarında gürültü artışına neden olmaktadır. Yapılan değerlendirmelerle, kent yaşamında, ulaşım kaynaklı ana çevresel gürültü kaynağının karayolu gürültüsü olduğu ortaya koyulmuştur. Karayolu gürültüsünü azaltmak ve olumsuz etkilerini önlemek amacıyla en etkin ve ekonomik yol kaynakta kontroldür. Ancak kaynakta denetimin yetersiz kaldığı durumlarda, kaynak ile alıcı arasında kullanılan akustik engeller öne çıkmaktadır. Tüm dünyada karayolu kaynaklı gürültü azaltımı için farklı tasarım bileşenlerine sahip gürültü bariyer sistemleri kullanılmaktadır. Karayollarında gürültü kontrolünü sağlamak üzere bariyer sistemlerinin geliştirilmesi öncesinde uygun kesitlerin belirlenmesi gerekmektedir. Stratejik gürültü haritalama çalışması yapılmasıyla, kabul edilebilir gürültü seviyelerinin aşıldığı alanlar ve bu alanlardaki karayolu kesitleri tespit edilebilmektedir. Ancak, söz konusu kesitlere bariyer uygulanması için sınır aşım alanları içerisinde farklı kriterler de değerlendirilmelidir. Bu çalışma kapsamında, Türkiye’de stratejik gürültü haritası hazırlanmış 20 il için karayollarında gürültü bariyer sistemi uygulanabilir potansiyel kesitler belirlenmiştir. Bu kesitler belirlenirken, stratejik gürültü haritalama çalışmaları kapsamında tespit edilen karayolu etki alanlarında sınır aşım değerlendirmelerinden ve gürültü modellemesi girdi verilerinden faydalanılmıştır. Modellenen 620 km ana karayolunun yaklaşık %3,9’una gürültü bariyeri uygulanabileceği tespit edilmiştir.

Particulate Matter (PM) is a type of air pollution that poses risks to human health, the environment, and property. Among the various PM types, PM₁₀ is particularly significant, as it acts as a vector for numerous hazardous trace elements that can negatively impact human health and the ecosystem. Identifying potential sources of PM₁₀ and quantifying their impact on ambient concentrations is crucial for developing efficient control strategies to meet threshold values. Receptor modeling, which identifies sources using chemical species information derived from PM samples, has been widely used for source apportionment. In this study, PM₁₀ samples were collected over three periods (April, May, and June 2021), each lasting 16 days, using semi-automatic dust sampling systems at two sites in Biga, Canakkale, Turkiye. The relative contributions of different source types were quantified using EPA PMF (Positive Matrix Factorization) based on 35 elements comprising PM₁₀. As a result of the analysis, five source types were identified: crustal elements/limestone/calcite quarry (64.9%), coal-fired power plants (11.2%), metal industry (9%), sea salt and ship emissions (8.5%), and road traffic emissions and road dust (6.3%). The distribution of source contributions aligned with the locations of identified sources in the region.